李响

原创 python【数据结构与算法】A - How Many Tables

Today is Ignatius’ birthday. He invites a lot of friends. Now it’s dinner time. Ignatius wants to know how many tables he needs at least. You have to notice that not all the friends know each other, and all the friends do not want to stay with strangers.O

原创 python【数据结构与算法】树状数组（附例题）

文章目录1 概述2 单点查询3 区间修改4 例题1 概述首先引入差分数组d，设原数组为a,令d[i]=a[i]-a[i-1].由此关系式得也就是a[j]等于d[j]的前 j 项和，即前缀和。于此，我们的树状数组维护的是 d 的前缀和。2 单点查询有以上推理得，查询a[i]相当于查询d[i]的前缀和，用树状数组操作即可。（注意：树状数组维护的是d数组，不是原数组！）3 区间修改因为对a的区间[i,j]加x，就相当于a[i]比a[i-1]大x，a[j+1]比a[j]小x，就相当于对a[i]加x

原创 python【数据结构与算法】武松打虎问题（贪心）

import mathimport cmathimport sysimport stringimport heapqimport bisectimport copyfrom queue import Queue,PriorityQueue,LifoQueuefrom collections import Counter,dequefrom itertools import permutations,combinationsfrom functools import cmp_to_key.

原创 【深度学习入门到精通系列】CGAN数据增强

文章目录1 CGAN的简介2 应用1 CGAN的简介为了解决带标签的数据生成问题，研究者们提出了条件生成对抗网络（CGAN）的概念.CGAN的结构如上图所示，与GAN的主要区别是生成器和判别器的输入数据中都加入类别标签向量（C_vector），生成器的优化目标函数基本上没有变化。总的来说CGAN在GAN上的改动并不大，但是普通的GAN所生成的内容是随机的，CGAN实现了根据输入标签生成指定类别的内容。2 应用近年来,卷积神经网络应用于图像分类任务性能优越,多项研究证明卷积神经网络在大规模带有标

原创 python【数据结构与算法】计数问题（分治）

文章目录1 算法描述2 实现3 复杂度1 算法描述题目：给定n个整数的数组A以及一个数x，设计一个分治算法，求出x在数组中出现的次数，并分析时间复杂度。算法思想：分：先将问题划分为大小近似相等的两个子问题。求解：对子问题递归调用该算法进行处理，递归出口为子问题只含一个元素，若该元素等于x,则返回x的出现次数为1，若该元素不等于x,则返回0治：原问题结果为这两个子问题所得结果之和。2 实现import mathimport cmathimport sysimport stringimp

原创 python【数据结构与算法】 Good Numbers

If we sum up every digit of a number and the result can be exactly divided by 10, we say this number is a good number.You are required to count the number of good numbers in the range from A to B, inclusive.InputThe first line has a number T (T <= 10

原创 python【数据结构与算法】The Number Off of FFF

import mathimport cmathimport sysimport stringimport bisectimport heapqimport copyfrom itertools import permutations, combinationsfrom queue import Queue, LifoQueue, PriorityQueuefrom collections import Counter, dequefrom functools import cmp_to_

原创 【深度学习入门到精通系列】Gamma变换（校正）

文章目录1 什么是Gamma变换2 为什么进行Gamma变换1 什么是Gamma变换Gamma变换是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系：这个指数即为Gamma。Gamma变换就是用来图像增强，其提升了暗部细节，简单来说就是通过非线性变换，让图像从暴光强度的线性响应变得更接近人眼感受的响应，即将漂白（相机曝光）或过暗（曝光不足）的图片，进行矫正。经过Gamma变换后的输入和输出图像灰度值关系如图1所示：横坐标是输入灰度值，纵坐标是输出灰度值，蓝色曲线是ga

原创 【深度学习入门到精通系列】对比度受限的自适应直方图均衡化（CLAHE）

1 HE直方图均衡化（HE）是一种很常用的直方图类方法，基本思想是通过图像的灰度分布直方图确定一条映射曲线，用来对图像进行灰度变换，2 AHE为了提高图像的局部对比度，有人提出将图像分成若干子块，对子块进行HE处理，这便是AHE（自适应直方图均衡化），使用AHE处理上图得到：结果直方图可以看出结果图像的灰度较好地分布在了全部动态范围上。从结果图像上也可以看出，局部对比度的确得到了提高，视觉效果要优于HE。但是仍然有个问题：AHE对局部对比度提高过大，导致图像失真。看看背景区，本来的黑色背景现在

原创 【深度学习入门到精通系列】Mean Iou

原创 【深度学习入门到精通系列】Dice Loss

在很多关于医学图像分割的竞赛、论文和项目中，发现 Dice 系数(Dice coefficient) 损失函数出现的频率较多，自己也存在关于分割中 Dice Loss 和交叉熵损失函数(cross-entropy loss) 的一些疑问，这里简单整理.Dice系数, 根据 Lee Raymond Dice[1] 命名，是一种集合相似度度量函数，通常用于计算两个样本的相似度(值范围为 [0, 1])：X 和 Y 之间的交集； 和 分别表示 X 和 Y 的元素个数. 其中，分子中的系数 2，是因为分母存

原创 python【数据结构与算法】P1162 填涂颜色 题解

import mathimport cmathimport sysimport stringimport bisectimport heapqimport copyfrom itertools import permutations, combinationsfrom queue import Queue, LifoQueue, PriorityQueuefrom collections import Counter, dequefrom functools import cmp_to_

原创 【深度学习入门到精通系列】Recurrent和Residual解释

文章目录1 Recurrent2 Residual1 Recurrent在全连接神经网络或卷积神经网络中，网络结果都是从输入层到隐含层再到输出层，层与层之间是全连接或部分连接的，但每层之间的结点是无连接的考虑这样一个问题，如果要预测句子的下一个单词是什么，一般需要用到当前单词以及前面的单词，因为句子中前后单词并不是独立的，比如，当前单词是“很”，前一个单词是“天空”，那么下一个单词很大概率是“蓝”。循环神经网络的来源就是为了刻画一个序列当前的输出与之前信息的关系。2 Residual残差网络公

原创 python【数据结构与算法】P3371 【模板】单源最短路径（弱化版）

import mathimport cmathimport copyimport sysimport stringimport heapqimport bisectfrom itertools import permutations,combinationsfrom queue import Queue,LifoQueue,PriorityQueuefrom collections import Counter,dequefrom functools import cmp_to_key,

原创 python【数据结构与算法】最小生成树之Kruskal算法

我们用现在来模拟一下Kruskal算法，下面给出一个无向图B,我们使用Kruskal来找无向图B的最小生成树。首先，我们将所有的边都进行从小到大的排序。排序之后根据贪心准则，我们选取最小边(A,D)。我们发现顶点A,D不在一棵树上，所以合并顶点A,D所在的树，并将边(A,D)加入边集E‘。我们接着在剩下的边中查找权值最小的边，于是我们找到的(C,E)。我们可以发现，顶点C,E仍然不在一棵树上，所以我们合并顶点C，E所在的树，并将边(C,E)加入边集E’不断重复上述的过程，于是我们就找到了无向图B

原创 【深度学习入门到精通系列】U-net网络分析

U-net可以看到，输入是572x572的，但是输出变成了388x388，这说明经过网络以后，输出的结果和原图不是完全对应的，这在计算loss和输出结果都可以得到体现。蓝色箭头代表3x3的卷积操作，并且stride是1，padding策略是vaild，因此，每个该操作以后，featuremap的大小会减2。红色箭头代表2x2的maxpooling操作，需要注意的是，此时的padding策略也是vaild（same 策略会在边缘填充0，保证featuremap的每个值都会被取到，vaild会忽略掉不能

原创 【深度学习入门到精通系列】R2 Unet解释

文章目录1 论文2 结构3 分析4 Recurrent5 代码1 论文Recurrent Residual Convolutional Neural Network based on U-Net (R2U-Net) for Medical Image Segmentation2 结构3 分析（a）为普通的两个conv模块，（b）为使用了recurrent conv的模块，（c）为使用了residual conv的模块，（d）是同时使用了residual 和recurrent conv的

原创 【深度学习入门到精通系列】拿捏Dice系数

Dice系数在图像分割和目标检测中比较常用。它的取值范围是0-1之间，越接近1说明模型效果越好。Dice系数是像素级别的，真实的目标出现在某片区域A，我们的模型预测的目标区域为B，那么Dice系数公式如下所示：...

原创 python【数据结构与算法】六度空间

import mathimport cmathimport sysimport stringimport bisectimport heapqfrom itertools import permutations,combinationsfrom queue import Queue,LifoQueue,PriorityQueuefrom collections import Counter,dequefrom functools import cmp_to_keyif __name_

原创 python【数据结构与算法】一种判断哈密尔顿回路的解决方法

import mathimport cmathimport sysimport stringimport bisectimport heapqfrom itertools import permutations,combinationsfrom queue import Queue,LifoQueue,PriorityQueuefrom collections import Counter,dequefrom functools import cmp_to_keyflag=0step

原创 python【数据结构与算法】流水线作业调度Johnson启发式算法

import mathimport cmathimport sysimport stringimport heapqimport bisectfrom queue import Queue,PriorityQueue,LifoQueuefrom collections import Counter,dequefrom itertools import permutations,combinationsfrom functools import cmp_to_keyif __name__

原创 我就想要个两年1024徽章~！

我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想要个两年1024徽章我就想.

原创 python【数据结构与算法】分治算法之大整数乘法

文章目录1 概念2 代码实现1 概念首先，普通的X*Y复杂度为O（n^2），这个复杂度是不理想的，所以利用分治思想提高。如图所示，分成三个子问题后，利用Master定理，发现时间并没有提高。所以，进一步优化。子问题变成了3个。E一次，F一次，G一次。（a+b）（c+d）2 代码实现# 大数乘法9*99999*99999999999999*8888888888import mathimport cmathimport sysimport stringimport heapq

原创 【深度学习入门到精通系列】卷积和池化计算详解

文章目录1 卷积2 填充3 池化4 注意1 卷积卷积层由一组滤波器组成，滤波器可以视为二维数字矩阵。这是一个示例3x3滤波器：在图像的某个位置上覆盖滤波器；将滤波器中的值与图像中的对应像素的值相乘；把上面的乘积加起来，得到的和是输出图像中目标像素的值；对图像的所有位置重复此操作。这个4步描述有点抽象，所以让我们举个例子吧。看下面的4x4灰度图像和3x3滤波器：图像中的数字表示像素亮度，0是黑色，255是白色。我们将对输入图像和滤波器进行卷积，生成2x2输出图像。首先，让我们将滤镜覆盖在图片的左

原创 【深度学习入门到精通系列】医疗影像分割

文章目录1 医学图像种类2 图像存储格式3 U-net4 数据增强5 3D-Unet6 Densenet7 FC-Densenet8 病理切片1 医学图像种类MRI——核磁共振图 摇水停下X-RAY——穿透图像CT图像——计算机断层扫描 切片超声成像——B超 敲西瓜2 图像存储格式不详细说明。3 U-netU-Net模型是一种改进的FCN结构，因其结构经论文作者画出来形似字母U而得名，应用于医学图像的语义分割。它由左半边的压缩通道（Contracting Path）和右半边扩展通道（Ex

原创 python【数据结构与算法】KMP算法模板（我吐了！）

import mathimport cmathimport sysimport stringimport heapqimport bisectfrom queue import Queue,PriorityQueue,LifoQueuefrom collections import Counter,dequefrom itertools import permutations,combinationsfrom functools import cmp_to_keydef Gen_nex

原创 python【蓝桥杯vip练习题库】ADV-298 和谐宿舍2（DP）

试题 算法提高 和谐宿舍2资源限制时间限制：1.0s 内存限制：256.0MB问题描述　　我的某室友学过素描，墙上有n张他的作品。这些作品都是宽度为1，高度不定的矩形，从左到右排成一排，且底边在同一水平线上。　　宿舍评比就要来了，为了及格，我们决定买不多于m块的矩形木板，把这些作品和谐掉。要求木板也从左到右排成一排，且底边与作品的底边在同一水平线上。　　在能够把所有作品和谐掉的前提下，我们希望这些木板的面积和最小，问最小面积和。输入格式　　第一行两个数n和m，表示作品数和木板数；　　第

原创 python【数据结构与算法】Heapq（堆）操作

文章目录1 最大/最小的n个元素2 添加3 优先队列1 最大/最小的n个元素lyst = [-3, 22, 45, 34, 99, 102, -44]top3 = heapq.nlargest(3, lyst)low3 = heapq.nsmallest(3, lyst)print(low3,top3)2 添加Python的heapq默认是小根堆（如上图，每个节点都不大于其孩子节点）heappush(treelist, item)将新元素添加heaplist列表中lyst = [

原创 python【蓝桥杯vip练习题库】 ADV-364 天天向上（DP）

试题 算法提高 天天向上问题描述　　A同学的学习成绩十分不稳定，于是老师对他说：“只要你连续4天成绩有进步，那我就奖励给你一朵小红花。”可是这对于A同学太困难了。于是，老师对他放宽了要求：“只要你有4天成绩是递增的，我就奖励你一朵小红花。”即只要对于第i、j、k、l四天，满足i<j<k<l并且对于成绩wi<wj<wk<wl，那么就可以得到一朵小红花的奖励。现让你求出，A同学可以得到多少朵小红花。输入格式　　第一行一个整数n，表示总共有n天。第二行n个数，表示每天的

原创 【深度学习入门到精通系列】对抗样本和对抗网络

文章目录1 概述2 对抗样本3 对抗网络1 概述所谓对抗 样本是指将实际样本略加扰动而构造出的合成样本，对该样本，分类器非常容易将其类别判错，这意味着光滑性假设(相似的样本应该以很高的概率被判为同一类别)某种程度上被推翻了。2 对抗样本正如图1右边展示的那样，当对熊猫数据加上一定的噪声，深度模型以99.3%的置信度将熊猫识别为长臂猿；这就是对抗样本和对抗网络的由来，为了解决这个问题，深度对抗网络被进一步提出来；同时对抗样本也促进了对抗网络的发展；3 对抗网络面对对抗样本的问题，提出了对抗网络

原创 python【数据结构与算法】最长公共子串详解（附代码）

文章目录1 定义1 定义和最长公共子序列一样，使用动态规划的算法。下一步就要找到状态之间的转换方程。和LCS问题唯一不同的地方在于当A[i] != B[j]时，res[i][j]就直接等于0了，因为子串必须连续，且res[i][j] 表示的是以A[i]，B[j]截尾的公共子串的长度。因此可以根据这个方程来进行填表，以"helloworld"和“loop”为例：def LCstring(string1,string2): len1 = len(string1) len2 =

原创 python【数据结构与算法】LCS详解（附代码）

文章目录1 定义2 代码实现1 定义2 代码实现def lcs_length(x,y): m=len(x) n=len(y) c=[[0 for i in range(n+1)] for j in range(m+1)] for i in range(1,m+1): for j in range(1,n+1): if x[i-1]==y[j-1]: c[i][j]=c[i-1][j-1]

原创 python【数据结构与算法】完全背包（附代码）

文章目录1 定义2 例题2.1 枚举个数实现2.2 修改01-正序实现3 总结1 定义题目有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。基本思路这个问题非常类似于01背包问题，所不同的是每种物品有无限件。也就是从每种物品的角度考虑，与它相关的策略已并非取或不取两种，而是有取0件、取1件、取2件……等很多种。如果仍然按照解01背包时的思路，令f[i][v]表示前i种物品

原创 python【数据结构与算法】01背包问题（附例题）

文章目录1 定义2 例题1 定义题目有N件物品和一个容量为V的背包。第i件物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使价值总和最大。基本思路这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。用子问题定义状态：即f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是：f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}这个方程非常重要，基本上所有跟背包相关的问题的方程都是由它衍生出来的。所

原创 python【数据结构与算法】倍增思想

文章目录1 概述2 例题1 概述倍增是一种思想，每次将考虑的范围扩大或减少一倍从而达到加速的效果，将某一步的O(n)优化到O(logn)也就是一种自底向上的二分如快速幂顾名思义就是一倍一倍的增加。举个例子你每次可以跳2的k次方步。现在你要跳到距离7步的地方。跳8步 跳过了（不跳）跳4步 没跳到（跳）跳2步 没跳到 （跳）跳1步 跳到 （停）这里就只跳了3次 比普通的7次跳发优化了4次；如果数据很大就是O(n) 和 O(logn)的区别了；2 例题题目描述小A的工作不仅繁琐，更有苛

原创 【设计模式】装饰器模式类图和代码

文章目录1 概述2 类图3 代码1 概述2 类图3 代码package lixiang;public class Test { public static void main(String[] args){ new RobotDecorate(new FirstRobot()).doMorething(); }}interface Robot{ void doSomething();}class FirstRobot implements

原创 python【数据结构与算法】二分归并模版

import mathimport cmathimport stringimport sysimport bisectimport heapqfrom queue import Queue,LifoQueue,PriorityQueuefrom itertools import permutations,combinationsfrom collections import deque,Counterfrom functools import cmp_to_keydef merge(l

原创 python【数据结构与算法】一维前缀和与差分

文章目录概述1 前缀和1.1模板1.2 板子题2 差分2.1 模板2.2 板子题概述前缀和是一种重要的预处理，能大大降低查询的时间复杂度，而差分则是一种和前缀和相对的策略。1 前缀和1.1模板S[i] = a[1] + a[2] + … a[i]a[l] + … + a[r] = S[r] - S[l - 1]1.2 板子题输入一个长度为n的整数序列。接下来再输入m个询问，每个询问输入一对l, r。对于每个询问，输出原序列中从第l个数到第r个数的和。输入格式第一行包含两个整数n和m

原创 python【数据结构与算法】Floyd算法模拟

有如图A,B,C,D,E五个节点，试问从A到D的最短路径是多少步？import mathnodes = ('A', 'B', 'C', 'D', 'E') # 节点# dis矩阵初始化dis = [[0, 3, 4, math.inf, 1], [3, 0, math.inf, 5, 1], [4, math.inf, 0, 2, 2], [math.inf, 5, 2, 0, math.inf], [1, 1, 2, math.inf,

原创 五十音图平假名流氓记忆（MD～！真难）

あa这个字为什么念阿（a）呢？我横着给你一鞭子，竖着给你一鞭子，再用烟头烫个圈，你疼不疼疼就跟我一起写一遍啊啊啊！いi为什么这个会念一（i）呢，来跟我一起看，这样是不是一根面条？摆成S是不是还是一根面条？剁开它呢，它还是一！根面条うu五（u）字写一半えe大家认识这个“诶”（e）字吧え呀妈呀吓死我了おo这是不是一个o，那我在上面加个十字架，再加个点呢？它还是お（o）かka我现在有一根撬棍插在了墙里（カ），我要把它取出来，但是为什么取不出来呢？因为旁边有个墙角（丶）把它卡（ka）住了！きki来